مقدمة في الذكاء الاصطناعي

مقدمة في الذكاء الاصطناعي

وصف الشكل: ملخص مقدمة الذكاء الاصطناعي برسمة توضيحية

الذكاء الاصطناعي (Artificial Intelligence, AI) مجال علمي ممتع يدرس كيف نخلّي الحاسب يظهر سلوكًا ذكيًا؛ يعني يسوي مهام البشر عادة شاطرين فيها.

في البداية، اخترع تشارلز باباج الحاسب عشان ينفّذ عمليات على الأرقام وفق خطوات محددة بوضوح — وهذا اللي نسميه خوارزمية (Algorithm). الحواسيب الحديثة متقدمة كثير عن النموذج اللي اقترحه باباج في القرن التاسع عشر، لكنها للحين تشتغل على المبدأ نفسه: عمليات محسوبة نتحكم فيها. لذلك نقدر نبرمج الحاسب يسوي مهمة إذا كنا نعرف بالضبط تسلسل الخطوات اللي يوصلنا للهدف.

وصف الشكل: صورة شخص

✅ تحديد عمر شخص من صورته مهمة ما نقدر نبرمجها بخطوات صريحة؛ لأننا أصلًا ما نعرف وش العملية الدقيقة اللي تصير داخل عقولنا لين نطلع برقم.

---

فيه مهام ما نعرف لها حلًا صريحًا. خذوا تحديد عمر شخص من صورته مثالًا: نتعلم نسويه لأننا شفنا أشخاصًا كثير بأعمار مختلفة، لكن يصعب علينا نشرح طريقتنا خطوة بخطوة أو نحوّلها مباشرة إلى برنامج. وهالنوع من المهام هو بالضبط اللي يهتم فيه AI.

✅ فكّروا بمهام تقدرون تسندونها للحاسب وبتستفيد من AI. طالعوا مجالات المال والطب والفنون: كيف تستخدم هالمجالات AI اليوم؟

الذكاء الاصطناعي الضعيف والذكاء الاصطناعي القوي

للتوسع، شوفوا الذكاء الاصطناعي العام (AGI).

تعريف الذكاء واختبار تورينغ

من مشاكل مصطلح الذكاء إنه ما له تعريف واحد واضح. نقدر نقول إنه مرتبط بـالتفكير المجرد أو الإدراك الذاتي، لكن ما نقدر نحط له تعريفًا دقيقًا ومتفقًا عليه.

وصف الشكل: صورة بسة

الصورة لـAmber Kipp من Unsplash

عشان تشوفون غموض كلمة الذكاء، جاوبوا: «هل البسة ذكية؟». الناس يعطون إجابات مختلفة؛ لأنه ما فيه اختبار عالمي متفق عليه يثبت الإجابة. وإذا تحسون إن فيه، جرّبوا تسوّون لبستكم اختبار IQ!

✅ خذوا دقيقة وحددوا وش يعني الذكاء بالنسبة لكم. هل الغراب اللي يحل متاهة ويوصل للأكل ذكي؟ وهل الطفل ذكي؟

---

إذا تكلمنا عن AGI، نحتاج طريقة نعرف بها هل أنشأنا نظامًا ذكيًا فعلًا. اقترح آلان تورينغ طريقة اسمها اختبار تورينغ (Turing Test)، وهي تشتغل كتعريف عملي للذكاء. يقارن الاختبار النظام بشيء نعرف إنه ذكي: إنسان حقيقي. ولأن البرنامج يمكن يتحايل على المقارنات الآلية، يكون الحكم لشخص يسأل الطرفين. إذا ما قدر الشخص يفرّق بين إنسان حقيقي ونظام حاسوبي في حوار نصي، يُعد النظام ذكيًا وفق الاختبار.

روبوت المحادثة Eugene Goostman، المطوّر في سانت بطرسبرغ، اقترب عام 2014 من اجتياز اختبار تورينغ باستخدام حيلة في شخصيته. قال من البداية إنه ولد أوكراني عمره 13 سنة، وهذا يفسّر نقص معرفته وبعض التناقض في كلامه. بعد حوار مدته 5 دقايق، أقنع 30% من الحكام إنه إنسان؛ وهي النسبة اللي توقع تورينغ أن الآلة تقدر تحققها بحلول عام 2000. لكن هذا مب دليل إننا صنعنا نظامًا ذكيًا، ولا إن النظام نفسه خدع الحكام؛ اللي نجح في الحيلة هم صانعوه.

✅ قد صار لكم روبوت محادثة خلاكم تظنون إنكم تكلمون إنسانًا؟ وش اللي أقنعكم؟

طرق مختلفة لبناء AI

إذا بغينا الحاسب يتصرف مثل الإنسان، لازم نمثّل داخله طريقة تفكيرنا بشكل ما. وهذا يخلّينا نحاول نفهم وش اللي يجعل الإنسان ذكيًا.

عشان نبرمج الذكاء داخل آلة، لازم نفهم كيف نتخذ قراراتنا. إذا راقبتوا أنفسكم، بتلاحظون عمليات تصير بدون وعي — مثل التفريق بين البسة والكلب من غير تفكير — وعمليات ثانية تحتاج استدلالًا واعيًا.

عندنا منهجان أساسيان للمشكلة:

وفيه طرق ثانية ممكنة للذكاء:

• المنهج الناشئ أو التآزري أو متعدد الوكلاء يعتمد على أن سلوكًا ذكيًا معقدًا يمكن ينشأ من تفاعل عدد كبير من الوكلاء البسطاء. وفق علم التحكم الآلي التطوري (Evolutionary Cybernetics)، يمكن للذكاء أن ينشأ من سلوك أبسط واستجابي أثناء انتقال النظام الفوقي (Metasystem Transition).
• المنهج التطوري، أو الخوارزمية الجينية (Genetic Algorithm, GA)، عملية تحسين مبنية على مبادئ التطور.

بنشوف هالمناهج لاحقًا في الدورة، أما الحين فبنركز على الاتجاهين الأساسيين: من أعلى إلى أسفل، ومن أسفل إلى أعلى.

المنهج من أعلى إلى أسفل

في هالمنهج نحاول نمثّل استدلالنا. وبما إننا نقدر نتابع بعض أفكارنا وقت الاستدلال، نقدر نحاول نصيغ العملية رسميًا ونبرمجها داخل الحاسب. وهذا هو الاستدلال الرمزي (Symbolic Reasoning).

عادة يكون عند الناس قواعد ذهنية توجّه قراراتهم. مثلًا، إذا شخّص طبيب مريضًا ولاحظ عنده حرارة مرتفعة، يمكن يستنتج أن فيه التهابًا. ومع تطبيق قواعد كثيرة على حالة محددة، يقدر يوصل للتشخيص النهائي.

يعتمد هالمنهج كثير على تمثيل المعرفة (Knowledge Representation, KR) والاستدلال. أصعب خطوة يمكن تكون استخراج المعرفة من خبير؛ لأن الطبيب أحيانًا ما يعرف بالضبط ليه وصل لتشخيص معيّن، فالنتيجة تجيه بدون تفكير صريح. وبعض المهام، مثل تقدير العمر من صورة، ما نقدر نختصرها أصلًا في معالجة معرفة صريحة.

المنهج من أسفل إلى أعلى

بدل هذا، نقدر نمثّل أبسط عنصر في الدماغ: العصبون. نبني داخل الحاسب شبكة عصبية اصطناعية (Artificial Neural Network)، ثم نعلّمها تحل المشكلات بإعطائها أمثلة. العملية تشبه طريقة تعلّم الطفل حديث الولادة عن محيطه بالملاحظة.

✅ ابحثوا شوي عن طريقة تعلّم الأطفال. وش العناصر الأساسية في دماغ الطفل؟

وش عن تعلم الآلة؟
الجزء من AI اللي يتعلم فيه الحاسب حل مشكلة اعتمادًا على بيانات نسميه تعلم الآلة (Machine Learning, ML). ما راح نغطي تعلم الآلة التقليدي في هالدورة؛ له منهج مستقل باسم Machine Learning for Beginners.	> وصف الشكل: تعلم الآلة للمبتدئين

لمحة سريعة عن تاريخ AI

بدأ AI كمجال علمي في منتصف القرن العشرين. بالبداية كان الاستدلال الرمزي هو المنهج الشائع، وحقق نجاحات مهمة مثل الأنظمة الخبيرة (Expert Systems): برامج حاسوبية تتصرف كخبير داخل مجال محدود. لكن اتضح بعدين أن هالمنهج ما يتوسع بسهولة؛ فاستخراج المعرفة من الخبير، وتمثيلها داخل الحاسب، والمحافظة على دقة قاعدة المعرفة عمل معقد ومكلف في حالات كثيرة. وهالشي أدى إلى ما يسمى شتاء الذكاء الاصطناعي في سبعينيات القرن العشرين (1970s).

وصف الشكل: لمحة سريعة عن تاريخ الذكاء الاصطناعي

مع الوقت، صارت موارد الحوسبة أرخص وتوفرت بيانات أكثر، فبدأت مناهج الشبكات العصبية تحقق أداء قويًا ينافس البشر في مجالات مثل الرؤية الحاسوبية وفهم الكلام. وفي العقد الأخير صار مصطلح AI يُستخدم كثير كأنه مرادف للشبكات العصبية، لأن أغلب النجاحات اللي نسمع عنها مبنية عليها.

نقدر نشوف تغير المناهج بوضوح في برامج لعب الشطرنج:

• برامج الشطرنج الأولى اعتمدت على البحث؛ يقدّر البرنامج نقلات الخصم المحتملة لعدد محدد من الأدوار الجاية، ثم يختار النقلة اللي تقوده لأفضل وضع. ومن هنا تطورت خوارزمية تقليم ألفا–بيتا.
• استراتيجيات البحث تشتغل زين قرب نهاية المباراة، يوم يصغر فضاء البحث ويقل عدد النقلات الممكنة. أما في البداية ففضاء البحث ضخم. لذلك تحسّنت الخوارزميات بالتعلم من مباريات البشر، واستخدمت تجارب لاحقة الاستدلال القائم على الحالات، بحيث يبحث البرنامج في قاعدة المعرفة عن حالات تشبه وضع المباراة الحالي.
• البرامج الحديثة اللي تهزم لاعبين بشريين تعتمد على الشبكات العصبية والتعلم المعزز (Reinforcement Learning). تتعلم باللعب ضد نفسها مدة طويلة، وتستفيد من أخطائها مثل الإنسان تقريبًا. الفرق إن الحاسب يقدر يلعب مباريات أكثر بكثير وفي وقت أقصر، ولهذا يتعلم أسرع.

✅ ابحثوا عن ألعاب ثانية لعبها AI.

ونشوف التغير نفسه في بناء «برامج تتكلم» ويمكن تجتاز اختبار تورينغ:

• البرامج الأولى، مثل ELIZA، اعتمدت على قواعد نحوية بسيطة وإعادة صياغة كلام المستخدم في صورة سؤال.
• المساعدات الصوتية وأنظمة الحوار الحديثة تجمع عادةً بين نماذج تعلم آلي لفهم الكلام واللغة، وخدمات أو أدوات تنفّذ طلب المستخدم. وتتغير البنية الدقيقة حسب المنتج والإصدار.
• مستقبلًا، يمكن يتولى نموذج عصبي كامل الحوار بنفسه. عائلتا GPT وTuring-NLG حققتا نتائج قوية في هالمجال.

وصف الشكل: تطور اختبار تورينغ

أبحاث AI الحديثة

بدأ النمو الكبير في أبحاث الشبكات العصبية حول عام 2010، يوم توفرت مجموعات بيانات (Datasets) عامة وضخمة. مجموعة ImageNet، اللي تضم قرابة 14 مليون صورة مشروحة، أطلقت تحدي ImageNet للتعرّف البصري واسع النطاق.

وصف الشكل: دقة ILSVRC

في 2012، استُخدمت الشبكات العصبية الالتفافية (Convolutional Neural Networks, CNNs) لأول مرة في تصنيف الصور (Image Classification)، ونزلت أخطاء التصنيف بشكل واضح من قرابة 30% إلى 16.4%. وفي 2015 حققت معمارية ResNet من Microsoft Research دقة بمستوى الإنسان.

ومن بعدها حققت الشبكات العصبية أداء قويًا في مهام كثيرة:

---

منذ ظهور المحوّلات، توسعت قدرات النماذج اللغوية الكبيرة (Large Language Models, LLMs) من تمثيل النص وتصنيفه إلى التوليد، والاستدلال المدعوم بالأدوات، والعمل متعدد الوسائط. تعتمد هالقدرات على تدريب واسع ثم مواءمة وتقييم مخصصين، ولا تعني إن النموذج يفهم العالم مثل الإنسان. بنتعلم المبادئ الأساسية لمعالجة اللغة الطبيعية (Natural Language Processing, NLP) في دروس لاحقة.

🚀 التحدي

خذوا جولة في الإنترنت وحددوا وين تشوفون AI مستخدم بأفضل صورة. هل هو في تطبيق خرائط؟ أو خدمة تحوّل الكلام إلى نص؟ أو لعبة فيديو؟ ابحثوا كيف انبنى النظام اللي اخترتوه.

المراجعة والدراسة الذاتية

راجعوا تاريخ AI وتعلم الآلة بقراءة درس إضافي عن تاريخ تعلم الآلة. بعدها اختاروا عنصرًا من الرسمة التوضيحية في بداية ذاك الدرس أو هالدرس، وابحثوا فيه بعمق عشان تفهمون السياق الثقافي اللي أثّر في تطوره.

المهمة: تحدي تصميم الألعاب

---